最小生成树算法解析：Kruskal与Prim的实现与应用

1. 最小生成树的概念与核心特性

最小生成树（Minimum Spanning Tree，MST）是图论中一个经典且实用的概念。想象一下，你是一位城市规划师，需要在多个居民区之间铺设水管网络。每个居民区代表图中的一个顶点，居民区之间的道路就是边，铺设水管的成本就是边的权重。最小生成树就是帮你找到连接所有居民区且总成本最低的那套水管铺设方案。

从数学定义来看，最小生成树是指在一个带权无向连通图中，能够连接所有顶点且边权总和最小的树结构。这里有几个关键点需要注意：

1. 连通性：必须包含图中的所有顶点
2. 无环性：作为树结构，不能包含任何环路
3. 最小权重：所有边的权重之和是所有可能生成树中最小的

最小生成树有一个重要的性质叫做MST性质：对于图中的任意一个顶点子集S，连接S和其补集的最小权重边必定属于某个最小生成树。这个性质是许多MST算法的基础。

注意：最小生成树可能不唯一。当图中存在多条权重相同的边时，可能会产生多个不同的最小生成树，但它们的总权重都是相同的。

2. 最小生成树的经典算法解析

2.1 Kruskal算法：边排序与并查集的应用

Kruskal算法采用了一种贪心的策略，其核心思想是"从小到大选择不会形成环的边"。具体步骤如下：

1. 将图中所有边按权重从小到大排序
2. 初始化一个空集合用于存放选中的边
3. 依次检查每条边：
   • 如果加入这条边不会形成环，就将其加入集合
   • 否则跳过这条边
4. 当集合中的边数等于顶点数减1时，算法终止

这里的关键技术点是如何高效判断加入边是否会形成环。实际实现中通常使用并查集（Disjoint Set Union，DSU）数据结构：

python复制class DSU:
    def __init__(self, size):
        self.parent = list(range(size))
    
    def find(self, x):
        if self.parent[x] != x:
            self.parent[x] = self.find(self.parent[x])
        return self.parent[x]